（1）语料库中存放的是在语言的实际使用中真实出现过的语言材料；（2）语料库是以电子计算机为载体承载语言知识的基础资源；（3）真实语料需要经过加工（分析和处理），才能成为有用的资源。

Torch 是一个开源的机器学习框架，最初由纽约大学和 Facebook 的人工智能研究团队开发。它基于 Lua 编程语言，专注于提供高效的数值计算和深度学习功能。Torch 的核心是一个名为torch的库，支持张量计算、自动微分和 GPU 加速。torchaudio是PyTorch生态系统中的音频处理库，专门为深度学习任务设计。它提供高效的音频加载、预处理、特征提取等功能，并与PyTorch的张

基于 Numpy 数组的元素级运算，每个像素的 BGR 三个通道值分别参与运算注释：c=a+10，表示给a图像的所有像素值+10c = a[50:200,50:250]+b[50:200,50:250]，表示参与运算的图像区域。

是由一幅图像的多个不同分辨率的子图构成的图像集合。是通过一个图像产生的，最小的图像可能仅仅有一个像素点。图像金字塔的底部是待处理的高分辨率图像（原始图像），而顶部则为其低分辨率的近似图像。

''' 定义神经网络 类的继承这种方式'''nn.ReLU(),nn.ReLU(),nn.ReLU(),nn.ReLU(),nn.ReLU(),nn.ReLU(),模型结构说明：输入1*28*28（64 张图片作为一个批次。故 64*1*28*28）conv1（一维）：卷积 + ReLU + 池化 → 输出 16*14*14conv2（二维）：多层卷积 + ReLU + 池化 → 输出 32*7*

图像形态学是一种处理图像形状特征的图像处理技术，主要用于描述和处理图像中的形状和结构。形态学可以用于提取图像中的特征、消除噪声、改变图像的形状等。图像形态学的本质是利用结构元素（Kernel）对图像中的像素集合进行遍历和运算，结构元素可以理解为一个固定大小的矩阵（常见 3×3、5×5），决定了形态学操作的作用范围和强度。在 OpenCV 中，我们通常使用np.ones()创建结构元素，数据类型需指

对图像（不同的窗口数据）和卷积核（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。

import cv2# 正确答案映射（题目索引：正确选项索引）

梯度计算会产生正负值（比如从亮到暗为负，从暗到亮为正），但图像像素值的显示范围是 0-255（uint8 类型），负数会被直接截断为 0，导致部分边缘信息丢失。Sobel 算子的核心是通过两个 3×3 的卷积核（分别对应 X、Y 方向），与图像进行卷积运算，计算出每个像素点的梯度值，梯度值越大，说明该点越可能是边缘。Scharr 算子是 Sobel 算子的改进版本，使用更大的卷积核（3×3），对边

我们经常需要将纸质文档转换为电子档，但拍摄的文档照片往往存在倾斜、透视畸变等问题，导致文档内容歪斜、不易识别。想要解决这个问题，就需要用到它能够将不规则的四边形区域映射为规整的矩形，完美消除透视畸变，广泛应用于文档矫正、车牌识别、全景拼接等场景。本文将通过一个完整案例，从图像读取、轮廓检测，到透视变换、结果后处理，逐步完成发票/文件的自动矫正。